نمونه سوالات با پاسخ مصاحبه استخدامی
دیتا آنالیز
مبحث sql


Date: 22-02-2023
Company name: CRED
Role: SQL Developer
Topic: subsets, normalisation, relationship

1. What are the different subsets of SQL?

Data Definition Language (DDL) – It allows you to perform various operations on the database such as CREATE, ALTER, and DELETE objects.
Data Manipulation Language(DML) – It allows you to access and manipulate data. It helps you to insert, update, delete and retrieve data from the database.
Data Control Language(DCL) – It allows you to control access to the database. Example – Grant, Revoke access permissions.

2. List the different types of relationships in SQL.

There are different types of relations in the database:
One-to-One – This is a connection between two tables in which each record in one table corresponds to the maximum of one record in the other.
One-to-Many and Many-to-One – This is the most frequent connection, in which a record in one table is linked to several records in another.
Many-to-Many – This is used when defining a relationship that requires several instances on each sides.
Self-Referencing Relationships – When a table has to declare a connection with itself, this is the method to employ.

3. How to create empty tables with the same structure as another table?

To create empty tables:
Using the INTO operator to fetch the records of one table into a new table while setting a WHERE clause to false for all entries, it is possible to create empty tables with the same structure. As a result, SQL creates a new table with a duplicate structure to accept the fetched entries, but nothing is stored into the new table since the WHERE clause is active.

4. What is Normalization and what are the advantages of it?

Normalization in SQL is the process of organizing data to avoid duplication and redundancy. Some of the advantages are:
Better Database organization
More Tables with smaller rows
Efficient data access
Greater Flexibility for Queries
Quickly find the information
Easier to implement Security

@datalook_ir

منبع مطالب دیتا ساینس و هوش مصنوعی

#علم_داده
#داده_کاوی
#sql

چیت شیت sql
منبع مطالب دیتا ساینس و هوش مصنوعی

@datalook_ir

جدیدترین سوالات (با پاسخ )مصاحبه حوزه دیتا ساینس
در مباحث پایه #دیتا_ساینس
#یادگیری_ماشین
#الگوریتم_ها
#پایتون و #برنامه نویسی
#پانداس
#sql



@datalook_ir

🌸 فرا رسیدن نوروز باستانی
یادآور شکوه ایران و یگانه یادگار جمشید جم، بر همه ایرانیان پاک پندار، راست گفتار و نیک کردار خجسته باد 🌸

امیدوارم و از ته قلبم آرزو میکنم سال ۱۴۰۲
برای همه ایرانیان در هر جای دنیا
نو باشه و پر از امید و موفقیت 😍🤩

مینا ربطی
آکادمی آموزشی دیتا لوک
منبع مطالب آموزشی دیتا ساینس و هوش مصنوعی
@dataloook_ir

دوازده کتابخانه‌ برتر مدل‌سازی سری‌های زمانی در Python در سال ۲۰۲۲

راهنمای گام‌به‌گام مدل‌سازی سری‌های زمانی با استفاده از کتابخانه skforecast

خاویر اسکوبار، دانشمند داده IKEA

مخزن کدها و فعال‌سازی:
https://github.com/JoaquinAmatRodrigo/skforecast

با سلام و عرض ادب

🔴 به اطلاع اساتید ، دانشجویان و فارغ التحصیلان می رساند مرکز رشد دانشگاهی در صدد جذب نیرو در زمینه ی هوش مصنوعی می باشد.🔴

در صورت تمایل به همکاری رزومه ی خود را به آیدی زیر ارسال نمایید.

🆔 @ma_python

machine learning😂


https://xn--r1a.website/datalook_ir

تابع مهم و بسیار پر کاربرد لامبدا در پایتون

#python
#data_science


https://xn--r1a.website/datalook_ir

توییتر سورس مربوط به سیستم ریکامندیشین خودش رو به صورت اوپن سورس منتشر کرد.
اگر علاقه‌مند بودید بررسی کنید:
‌
https://github.com/twitter/the-algorithm
‌
📝 @MiladNouriChannel

SAM: Segment Anything Model.
A Foundation model for image segmentation.
From FAIR.

code: https://github.com/facebookresearch/segment-anything
demo: https://segment-anything.com/demo


انتشار توسط yann leCun در لیندکین
دیتا ساینتیست در متا

💠 "رویداد استارتاپی متاورس"
💢 مراکز آموزش علمی - کاربردی جهاددانشگاهی کرج، خانه کارگر ساوجبلاغ با همکاری سازمان فرهنگی، اجتماعی و ورزشی شهرداری فردیس و پارک علم و فناوری البرز برگزار می کند.
"ویژه دانشجویان، مدرسان، کارکنان و علاقه مندان به حوزه فناوری اطلاعات"
🔖 محورهای رویداد:
1. بلاک چین
2.شهر هوشمند
3.مدیریت پسماند
4. جذب مشتری در علم داده
5.فناوری نوین معماری و شهرسازی
🏆 معرفی ایده های برتر به صنایع مرتبط و اهداء جوایز نفیس به ایده های برتر
🗓 مهلت ارسال ایده: 22 اردیبهشت ماه 1402
⏰ تاریخ برگزاری: 22 تیرماه 1402
✍ ثبت نام از طریق:
http://jalborz.ir/fa/news/52629

🟧 دانشگاه جهاد دانشگاهی کرج
🔲 دوره‌های هنر • it • مدیریت • زبان • حقوق
سایت | تلگرام | اینستاگرام 🔹🔶

«🤖ترانسفورمر» یک مدل یادگیری عمیق است که مکانیسم توجه به خود، به‌طور متفاوتی اهمیت هر بخش از داده‌های ورودی را وزن می‌کند. عمدتاً در زمینه‌های پردازش زبان طبیعی (NLP) و بینایی رایانه ای (CV) استفاده می‌شود.

✅مانند شبکه عصبی بازگشتی (RNN)، ترانسفورمرها برای مدیریت داده‌های ورودی متوالی، مانند زبان طبیعی، برای کارهایی مانند ترجمه و خلاصه متن طراحی شده‌اند. با این حال، برخلاف شبکه عصبی بازگشتیها، ترانسفورمرها لزوماً داده‌ها را به ترتیب پردازش نمی‌کنند. در عوض، مکانیسم توجه زمینه را برای هر موقعیتی در دنباله ورودی فراهم می‌کند. به عنوان مثال، اگر داده ورودی یک جمله زبان طبیعی باشد، ترانسفورمر نیازی به پردازش ابتدای جمله قبل از پایان ندارد.

📚این ویژگی اجازه می‌دهد تا موازی سازی بیشتر از شبکه عصبی بازگشتیها باشد و بنابراین زمان آموزش را کاهش می‌دهد.

داده‌های بزرگتر از زمانی که ممکن بود را می‌دهد. این منجر به توسعه سیستم‌های از پیش آموزش دیده مانند مدل Bert و
GPT( Generative Pre-trained Transformer)
شده است.
آموزش ترانسفورمرها
در کانال یوتیوب
mina rabti

https://m.youtube.com/channel/UCvxKAC5IdZp6U_75sre0CEw

کورس Data Visualization لینکدین:
linkedin.com/learning/data-visualization-a-lesson-and-listen-series

این آقای Bill Shander توی این کورس یه مصاحبه داشته با Nadieh Bremer،
که ایشون توی Pinterest یه عالمه تصویر ذخیره کرده برای ایده و الهام گرفتن

اگه به دیتا ویژوالیزیشن علاقه دارین
خوبه که یه نگاهی بندازین بهش:
https://www.pinterest.com/nadiehbremer

درضمن بخش Blog پورتفولیوی این خانم هم کلی مطلب آموزشی خوب داره:
https://www.visualcinnamon.com/blog

این لینک ویدیو در یوتیوب به شما در استخدام و جذب پروژه به صورت ریموت با درآمد دلاری خیلی کمک میکند.


https://m.youtube.com/watch?v=jQLC8p86vz8&t=1240s


@datalook_ir

کتابخانه Dask


- اگر با دیتاست حجیمی روبرو هستید که حافظه اصلی (RAM) کامپیوتر شما گنجایش نگه‌داری آن برای پردازش را ندارد…
- اگر در حال توسعه سیستم نرم‌افزاری و یا یک پایپلاین ETL هستید که کوئری سنگینی را به دیتابیس میزند و مدت زیادی طول می‌کشد (long-run query) یا دیتابیس عملیاتی شما را با اختلال مواجه می‌کند…
- اگر قرار است یک پردازش سنگین مثل تحلیل اکتشافی داده‌ها (EDA) بر روی حجم بالایی از کلان‌داده‌ها داشته باشید که بدون پردازش موازی امکان‌پذیر به نظر نمی‌آید…

احتمالا شما نیاز به یک ابزار مناسب برای پردازش موازی، توزیع شده و مقیاس‌پذیر دارید. ابزارهایی مثل Apache Spark و Hadoop مبتنی بر اکوسیستم Java اند و احتمالا به همین دلیل مورد علاقه خیلی از Data Scientist ها و Data Analyst ها نیستند. در مقابل Dask کاملا بر اکوسیستم Python سوار است و به Data Scientist ها و Data Analyst ها اجازه می‌دهد ابزارهای روزمره خود مثل Numpy و Pandas و Scikit-learn و XGBoost و TensorFlow رو به صورت توزیع شده، موازی و مقیاس پذیر به کار گیرند.


الگوریتم های #یادگیری_ماشین
#مصاحبه_علم_داده
#علم_داده
@datalook_ir
منبع مطالب رایگان علم داده، کتاب ، نمونه کد
فیلم آموزشی
کارگاه و وبینار رایگان